利用NVIDIA RAPIDS加速DolphinDB Shark平臺提升計算性能

DolphinDB 是一家高性能數(shù)據(jù)庫研發(fā)企業(yè)，也是 NVIDIA 初創(chuàng)加速計劃成員，其開發(fā)的產(chǎn)品基于高性能分布式時序數(shù)據(jù)庫，是支持復(fù)雜計算和流數(shù)據(jù)分析的實時計算平臺，適用于金融、電力、物聯(lián)網(wǎng)和零售等行業(yè)。

DolphinDB 公司推出的 CPU-GPU 異構(gòu)計算平臺 Shark，將 DolphinDB 上的復(fù)雜指標(biāo)計算能力無縫切換到 GPU 算力平臺，從而大幅提升了計算性能。

DolphinDB 開發(fā)團隊與 NVIDIA 團隊合作，通過利用NVIDIA RAPIDS加速 Shark 異構(gòu)計算平臺的因子挖掘算法運行效率，幫助 Shark 將因子挖掘的效率提升 2 - 10 倍，并基于NVIDIA cuDF實現(xiàn) Shark 因子高效計算，大幅減少開發(fā)成本，縮短開發(fā)周期。

RAPIDS 的 RMM 是一套開源的內(nèi)存/顯存管理庫，提供 C++ 和 Python 接口，相比 cuMalloc、cuFree 等操作來講，具有更好的性能和靈活性；RAPIDS libcudf 是基于 GPU 的 C++ DataFrame 庫，提供了基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)，并且內(nèi)置了基礎(chǔ)的函數(shù)算子。

Shark 的因子挖掘功能，能通過利用遺傳算法從數(shù)據(jù)中挖掘出有效的因子。在這一場景中，遺傳算法會隨機生成大量因子并進行計算。這一過程會頻繁地創(chuàng)建和釋放臨時空間來存儲中間結(jié)果，直接使用原生的 CUDA C 顯存分配和釋放接口，會嚴重降低執(zhí)行效率。

Shark 的因子計算功能，針對金融領(lǐng)域的數(shù)據(jù)分析與處理，提供了豐富的函數(shù)庫。如果從零開始將 CPU 的函數(shù)遷移至 GPU，需要為 GPU 重新實現(xiàn)一套底層數(shù)據(jù)結(jié)構(gòu)以及基礎(chǔ)計算函數(shù)，會導(dǎo)致開發(fā)周期的延長以及開發(fā)成本的增加。

基于以上挑戰(zhàn)，DolphinDB 開發(fā)團隊與 NVIDIA 團隊及 RAPIDS 開發(fā)團隊合作，通過利用 RAPIDS RMM，解決因子挖掘過程中頻繁申請和釋放顯存導(dǎo)致的性能問題；通過基于 RAPIDS libcudf 進行二次開發(fā)，實現(xiàn)因子計算，從而縮短開發(fā)周期，降低開發(fā)成本。

Shark 進行因子挖掘時，會通過遺傳算法隨機生成海量的因子計算公式。這些公式長度不等，接受的參數(shù)數(shù)量也不盡相同。因此在計算時，需要頻繁地申請和釋放臨時空間用于存儲中間結(jié)果。DolphinDB 開發(fā)團隊通過使用 RMM 對顯存進行池化，從而對中間結(jié)果所使用的顯存進行高效地分配、釋放和重用。

Shark 支持用戶輸入自定義的公式，自動將自定義公式轉(zhuǎn)換為計算圖，并在 GPU 完成計算，從而加快數(shù)據(jù)分析和處理的效率。如果從零開始將 DolphinDB 的計算函數(shù)遷移至 Shark，則需要在 GPU 構(gòu)建 array、table 等底層數(shù)據(jù)結(jié)構(gòu)，并實現(xiàn)大量基礎(chǔ)計算函數(shù)。經(jīng)過調(diào)研后，DolphinDB 開發(fā)團隊決定基于 RAPIDS libcudf 進行二次開發(fā)，復(fù)用 cuDF 的 column、table 等底層數(shù)據(jù)結(jié)構(gòu)，并借助 cuDF 的 groupby 和 rolling 框架，只需要完成算子的核心計算邏輯，即可完成 DolphinDB 時序算子和橫截面算子的遷移，這樣不僅極大提升了開發(fā)效率，還降低了開發(fā)成本。

下圖展示了在不同規(guī)模數(shù)據(jù)下，使用 RAPIDS 的 RMM 顯存管理庫相對于原生的 CUDA 顯存分配 API，Shark 因子挖掘效率的對比?？梢郧宄乜吹剑褂?RMM 可以顯著提升 Shark 因子挖掘效率，最高可達到 10 倍的加速比。

除此之外，Shark 通過使用 RAPIDS libcudf，大大提升了因子的計算效率。下圖中對比了 1000 個 group，每個 group 有 10 萬行的數(shù)據(jù)，采用分組方式計算下面的算子。可以看到與 CPU 相比，利用 GPU 總體耗時（包含拷貝時間），基本達到了一個數(shù)量級的加速比。

借助 RAPIDS ，Shark 的因子挖掘效率提升了 10 倍。除此之外，基于 cuDF 進行二次開發(fā)，只需要實現(xiàn)算子的核心邏輯，就可以達到一個數(shù)量級的加速，并極大降低了算子遷移成本。